KR101404345B1 - 진단영상의 객체 자동 윤곽화 시스템 및 그 윤곽화 방법 - Google Patents

진단영상의 객체 자동 윤곽화 시스템 및 그 윤곽화 방법 Download PDF

Info

Publication number
KR101404345B1
KR101404345B1 KR1020130026762A KR20130026762A KR101404345B1 KR 101404345 B1 KR101404345 B1 KR 101404345B1 KR 1020130026762 A KR1020130026762 A KR 1020130026762A KR 20130026762 A KR20130026762 A KR 20130026762A KR 101404345 B1 KR101404345 B1 KR 101404345B1
Authority
KR
South Korea
Prior art keywords
contour
slice
outline
initial
unit
Prior art date
Application number
KR1020130026762A
Other languages
English (en)
Inventor
홍헬렌
강혜원
Original Assignee
서울여자대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 서울여자대학교 산학협력단 filed Critical 서울여자대학교 산학협력단
Priority to KR1020130026762A priority Critical patent/KR101404345B1/ko
Application granted granted Critical
Publication of KR101404345B1 publication Critical patent/KR101404345B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • General Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Image Processing (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 진단영상에서 추출하고자하는 객체와 유사한 밝기값을 갖는 주변 지역이 존재하더라도 객체의 윤곽선을 견고하게 추출하고, 사용자가 입력한 윤곽선 정보와 유사성이 높게 객체를 자동 윤곽화 할 수 있는 진단영상의 객체 자동 윤곽화 시스템 및 그 윤곽화 방법에 관한 것으로, 본 발명에 따른 진단영상의 객체 자동 윤곽화 방법은 (a) 진단영상 입력부를 이용하여, 진단영상을 입력하고, 시작 슬라이스와 끝 슬라이스의 윤곽선을 입력하는 단계, (b) 초기윤곽화부를 이용하여, 형상기반 보간에 따른 중간 슬라이스의 초기 윤곽선을 생성하는 단계, (c) 윤곽선적합부를 이용하여, 상기 초기 윤곽선의 내부영역을 사용자가 입력한 윤곽선의 형태와 유사하게 적합하는 단계 및 (d) 윤곽선추출부를 이용하여, 경계 추적 기법으로 중간 슬라이스의 최종 윤곽선을 추출하는 단계를 포함하는 것을 기술적 특징으로 한다.

Description

진단영상의 객체 자동 윤곽화 시스템 및 그 윤곽화 방법{Automatic contouring system and the method for diagnosis image}
본 발명은 질병의 진단, 치료, 치료 후 예후관찰을 위해 컴퓨터단층촬영(CT-Computed Tomography)영상이나 자기공명(MR-Magnetic Resonance)영상과 같은 진단영상에서 객체를 윤곽화하는 기술에 관한 것으로, 더 상세하게는 진단영상에서 추출하고자하는 객체와 유사한 밝기값을 갖는 주변 지역이 존재하더라도 객체의 윤곽선을 견고하게 추출하고, 사용자가 입력한 윤곽선 정보와 유사성이 높게 객체를 자동 윤곽화 할 수 있는 진단영상의 객체 자동 윤곽화 시스템 및 그 윤곽화 방법에 관한 것이다.
일반적으로, 윤곽화(contouring)는 영상에서 관심 객체의 윤곽선을 추출하는 과정으로 객체를 간결하고 분석하기 쉽게 표현함으로 영상처리 분야에서 다양하게 활용되며, 의료영상 처리 분야에서는 환자에게서 얻은 컴퓨터단층촬영(CT:Computed Tomography)영상이나 자기공명(MR:Magnetic Resonance)영상 등의 진단영상을 이용하여 질병의 진단, 치료, 치료 후 예후관찰 등에 윤곽화를 활용 할 수 있다.
특히 영상유도방사선치료(IGRT:Image Guided Radiation Therapy)방법은 방사선 치료 전에 진단영상을 이용하여 방사선 조사 위치와 범위를 계획함으로써 종양 주변의 정상조직을 최대한 보호하면서 종양 부위에만 방사선을 조사하는 방법이다. 이를 위해 정상 장기들의 윤곽선 정보를 입력하여 종양부위와 정상 장기들을 구분해야 한다.
그러나 진단영상기기의 발달로 의료영상의 데이터양이 방대해지면서 전문가에 의한 수동 윤곽화는 많은 시간을 요구하기 때문에 자동 및 반자동 윤곽화를 수행하고 있으나, 윤곽화 하고자 하는 인체 장기의 실제 경계와 사용자가 요구하는 윤곽선의 차이가 발생하는 문제가 있다.
예를 들어, 좌심실 내벽의 윤곽선을 추출 할 때, 임상 전문의는 [도 17]의 (a) 와 같이 유두근을 포함한 타원형 모양의 윤곽선을 요구하나 종래 윤곽선 분할 방법은 [도 17]의 (b)와 같이 유두근과 좌심실 내벽의 경계가 윤곽선으로 추출된다. 이처럼 사용자가 입력한 윤곽선과 유사한 형상의 윤곽선을 추출하기 위해 입력 형상 정보를 반영한 윤곽화 방법이 필요하다.
진단영상의 경우 추출하고자 하는 객체 주변에 유사한 밝기값을 갖는 영역이 존재 할 수 있는데, [도 18]의 (a)에 도시된 바와 같이, 복부 CT 영상에서 간의 윤곽선을 자동으로 추출하고자 할 때 간은 심장, 위, 신장 등 주변 장기와 밝기값이 유사하고 (b)와 같이 동적 심장 CT 영상에서 좌심실의 윤곽선을 자동으로 추출하고자 할 때 잡음의 영향으로 객체 경계가 불연속적이기 때문에 자동으로 윤곽선을 추출하는데 한계점이 있다.
종래 의료영상에서 자동 또는 반자동으로 윤곽화하는 기술은 크게 경계기반 기법(edge based method), 형상기반 기법(shape based method), 변형 모델 기법(deformable model method)으로 나눌 수 있다.
상기 경계기반 기법은 영상에서 주변 화소와 밝기값 차이가 발생하는 화소들을 윤곽으로 인식하는 기법으로 대한민국 공개특허 공보 제10-2013-0007905호(2013. 01. 21)에 기재된 바와 같이, 객체의 경계가 불연속적이거나 밝기값이 유사한 주변 배경이 존재할 때 정확하게 윤곽화하지 못하는 한계점이 있다.
또한, 상기 형상기반 기법은 사전의 해부학적 형상 정보를 이용해 윤곽화하는 기법으로 높은 정확성을 가지나 통계 형상 모델을 구축해야하며, 윤곽화 하고자하는 객체의 형상 변화가 다양한 경우 통계 형상 모델 구성 정도에 따라 정확성에 영향을 받는다.
또한, 변형 모델 기법은 최근 컴퓨터 비젼 분야에서 활발히 응용되는 방법으로 기하학적 모델(geometric model)인 Chan-Vese 모델의 경우 윤곽선 내부, 외부 영역의 밝기값 신호 분포의 유사성을 이용하여 영역을 추출하는 기법으로 주변에 객체와 유사한 밝기값을 갖는 영역이 존재 할 경우 객체가 아닌 배경 영역을 초기 윤곽선 내부로 설정하여 잘못된 객체를 추출하는 한계점이 있다.
대한민국 공개특허 공보 10-2013-0007905A, 2013. 01. 21, 8쪽 내지 9쪽.
본 발명은 상기와 같은 종래의 문제점을 해결하기 위하여 제안된 것으로, 본 발명에 따른 진단영상의 객체 자동 윤곽화 시스템의 목적은, 진단영상에서 추출하고자 하는 객체의 주변에 유사한 밝기값을 갖는 영역이 존재하더라도 사용자가 입력한 윤곽선 정보와 유사하게 객체를 윤곽화하는 시스템을 제공하는데 있다.
다른 목적은, 초기윤곽화부를 포함하여, 형상기반 보간으로 초기 윤곽선을 생성하는데 있다.
또 다른 목적은, 윤곽선영역 적합부를 포함하여, 주변의 유사한 밝기값의 영역으로 누출을 제한하고, 사용자가 입력한 윤곽선과 유사하도록 윤곽선 내부 영역을 적합하는데 있다.
또 다른 목적은, 객체에 돌출 형상이 발생하는 것을 방지하고, 경계 추적 기법으로 최종 윤곽선을 추출하는데 있다.
본 발명에 따른 진단영상의 객체 자동 윤곽화 방법의 목적은, 시작 슬라이스와 끝 슬라이스의 윤곽선에 관하여, 형상기반 보간으로 중간 슬라이스의 초기 윤곽선을 생성하고, 초기 윤곽선의 내부 영역을 사용자가 입력한 윤곽선과 유사하게 적합한 후, 경계 추적 기법으로 중간 슬라이스의 최종 윤곽선을 추출하는 방법을 제공하는데 있다.
본 발명에 따른 진단영상의 객체 자동 윤곽화 시스템은 객체 주변에 유사한 밝기값이 존재하는 영역에 관하여, 사전 형상 정보를 반영하여, 윤곽선의 내부 영역을 적합하는 윤곽선적합부를 포함하며, 상기 윤곽선적합부는 상기 사전 형상 정보를 반영한 Chan-Vese 모델을 이용하여, 윤곽선의 내부 영역을 적합하는 것을 특징으로 한다.
또한, 본 발명에 따른 진단영상의 객체 자동 윤곽화 시스템은 진단영상 입력부로부터 입력받은 진단 영상의 시작 슬라이스와 끝 슬라이스의 윤곽선을 이용하여, 중간 슬라이스의 초기 윤곽선을 생성하여, 상기 윤곽선적합부에 제공하는 초기윤곽화부를 더 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 진단영상의 객체 자동 윤곽화 시스템에 있어서, 윤곽선적합부는 상기 초기 윤곽선을 중심으로 협대역을 설정하는 협대역설정부 및 상기 초기윤곽선에 사용자가 입력한 윤곽선을 기반으로 한 사전형상정보로 윤곽선 내부 영역을 적합하는 윤곽선영역 적합부를 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 진단영상의 객체 자동 윤곽화 시스템은 윤곽선영역 적합부와 연결되어, 적합된 영역에 경계 추적을 이용하여, 중간 슬라이스의 최종 윤곽선을 추출하는 윤곽선추출부를 더 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 진단영상의 객체 자동 윤곽화 시스템에 있어서, 윤곽선추출부는 형태학적 닫힘 연산으로 적합된 영역의 돌출부위를 제거하는 형태학적연산부 및 경계 추적 기법으로 적합된 영역에서 최종 윤곽선을 추출하는 경계추적부를 포함하는 것을 특징으로 한다.
본 발명에 따른 진단영상의 객체 자동 윤곽화 방법은 (a) 진단영상 입력부를 이용하여, 진단영상을 입력하고, 시작 슬라이스와 끝 슬라이스의 윤곽선을 입력하는 단계, (b) 초기윤곽화부를 이용하여, 형상기반 보간에 따른 중간 슬라이스의 초기 윤곽선을 생성하는 단계, (c) 윤곽선적합부를 이용하여, 초기 윤곽선의 내부 영역을 사용자가 입력한 윤곽선과 유사하게 적합하는 단계 및 (d) 윤곽선추출부를 이용하여, 경계 추적 기법으로 중간 슬라이스의 최종 윤곽선을 추출하는 단계를 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 진단영상의 객체 자동 윤곽화 방법은 (c) 단계 이전에, (e) 협대역설정부를 이용하여, 상기 초기 윤곽선을 중심으로 협대역을 설정하는 단계를 더 포함하는 것을 특징으로 한다.
또한, 본 발명에 따른 진단영상의 객체 자동 윤곽화 방법은 (d) 단계 이전에, (f) 형태학적연산부의 형태학적 닫힘 연산을 이용하여 홀을 메우는 단계를 더 포함하는 것을 특징으로 한다.
이상에서 설명한 바와 같이, 본 발명에 따른 진단영상의 객체 자동 윤곽화 시스템은 진단영상에서 추출하고자 하는 객체의 주변에 유사한 밝기값을 갖는 영역이 존재하더라도 사용자가 입력한 윤곽선 정보와 유사하게 객체를 윤곽화하고, 이러한 객체의 윤곽으로 정확한 질병의 진단, 치료, 치료 후 예후 관찰이 가능하도록 하는 효과가 있다.
또한, 초기윤곽화부를 포함함으로써, 형상기반 보간으로 형상변화가 큰 영역에서도 견고한 초기 윤곽선을 생성할 수 있는 효과가 있다.
또한, 협대역 설정을 통해 주변의 유사한 밝기값의 영역으로 누출을 제한할 수 있으며, 사용자가 입력한 윤곽선과 유사하도록 윤곽선 내부 영역을 적합할 수 있는 효과가 있다.
또한, 홀메움 기법으로 객체에 돌출 형상이 발생하는 것을 방지할 수 있으며, 경계 추적 기법으로 중간 슬라이스의 정확한 윤곽선을 최종적으로 추출할 수 있는 효과가 있다.
본 발명에 따른 진단영상의 객체 자동 윤곽화 방법은, 시작 슬라이스와 끝 슬라이스의 윤곽선에 관하여, 형상기반 보간으로 중간 슬라이스의 초기 윤곽선을 생성하고, 초기 윤곽선의 내부 영역을 사용자가 입력한 윤곽선과 유사하게 적합한 후, 경계 추적 기법으로 중간 슬라이스의 최종 윤곽선을 추출함으로써 객체의 주변에 유사한 밝기값을 갖는 영역이 존재하더라도 사용자가 입력한 윤곽선 정보와 유사하게 객체를 윤곽화할 수 있는 효과가 있다.
도 1은 본 발명에 따른 진단영상의 객체 자동 윤곽화 시스템의 전체 구성을 나타내는 구성도.
도 2는 본 발명에 따른 진단영상의 객체 자동 윤곽화 시스템에 있어서, 선형 보간과 형상기반 보간의 개념을 비교하는 도면.
도 3은 본 발명에 따른 진단영상의 객체 자동 윤곽화 시스템에 있어서, 형상기반 보간의 결과를 나타내는 실시예.
도 4는 본 발명에 따른 진단영상의 객체 자동 윤곽화 시스템에 있어서, 윤곽선적합부의 상세 구성을 나타내는 구성도.
도 5는 본 발명에 따른 진단영상의 객체 자동 윤곽화 시스템에 있어서, 윤곽선 위치에 따른 영역별 에너지 변화를 나타내는 도면.
도 6은 본 발명에 따른 진단영상의 객체 자동 윤곽화 시스템에 있어서, 협대역 설정 개념을 나타내는 도면.
도 7은 본 발명에 따른 진단영상의 객체 자동 윤곽화 시스템에 있어서, 사전 형상정보와 Chen-Vese 모델의 차이를 나타내는 도면.
도 8은 본 발명에 따른 진단영상의 객체 자동 윤곽화 시스템에 있어서, 협대역 내 적합 결과를 비교하는 도면.
도 9는 본 발명에 따른 진단영상의 객체 자동 윤곽화 시스템에 있어서, 윤곽선추출부의 상세 구성을 나타내는 구성도.
도 10은 본 발명에 따른 진단영상의 객체 자동 윤곽화 시스템에 있어서, 닫힘연산을 이용한 단계별 홀메움 개념을 나타내는 도면.
도 11은 본 발명에 따른 진단영상의 객체 자동 윤곽화 시스템에 있어서, 윤곽선 추출을 위한 8방향 코드를 나타내는 도면.
도 12는 본 발명에 따른 진단영상의 객체 자동 윤곽화 시스템에 있어서, 윤곽선 추출 적용 전 후를 나타내는 도면.
도 13은 본 발명에 따른 진단영상의 객체 자동 윤곽화 방법의 전체 흐름을 나타내는 흐름도.
도 14 및 도 15는 본 발명에 따른 진단영상의 객체 자동 윤곽화 방법을 적용하여, 진단영상의 자동 윤곽화 결과를 나타내는 도면.
도 16은 본 발명에 따른 진단영상의 객체 자동 윤곽화 방법의 수행 시간을 측정한 결과를 나타내는 결과 그래프.
도 17은 종래 동적 심장 CT에서 경계 추출과 윤곽화의 차이를 나타내는 도면.
도 18은 종래 진단 영상에서의 자동 윤곽화의 한계를 나타내는 도면.
이하, 본 발명에 따른 진단영상의 객체 자동 윤곽화 시스템 및 그 윤곽화 방법을 실시하기 위한 구체적인 내용을 설명하면 다음과 같다.
[도 1]은 본 발명에 따른 진단영상의 객체 자동 윤곽화 시스템의 전체 구성을 나타내는 구성도로, 진단영상 입력부(10), 초기윤곽화부(20), 윤곽선적합부(30), 윤곽선추출부(40) 및 최종영상 출력부(50)를 포함한다.
상기 진단영상 입력부(10)는 촬영된 의료용 진단영상을 상기 초기윤곽화부(20)에 입력하는 역할을 하며, 본 발명에 따른 상기 진단영상 입력부(10)는 시작 슬라이스와 끝 슬라이스의 윤곽선을 입력하는 역할을 한다.
상기 초기윤곽화부(20)는 상기 진단영상 입력부(10)로부터 입력받은 진단 영상의 시작 슬라이스와 끝 슬라이스의 윤곽선을 이용하여, 중간 슬라이스의 초기 윤곽선을 생성하여, 상기 윤곽선적합부(30)에 제공하는 역할을 한다.
즉, 중간 슬라이스의 초기 윤곽선을 생성 시, [도 2]의 (a)와 같이 선형 보간을 이용할 경우 쉽게 보간 할 수 있으나 주어진 화소를 연결한 직선상에 새로운 보간값을 생성하기 때문에 입력받은 윤곽선의 형상 변화가 클 경우 대응되는 화소의 부재로 누락되는 화소가 발생하는 문제가 있다.
따라서 본 발명에 있어서, 상기 초기윤곽화부(20)는 [도 2]의 (b)와 같이 입력 받은 윤곽선의 형상 정보를 반영하고, 더 견고한 초기 윤곽선 생성을 위해 형상기반 보간을 통해 초기 윤곽선을 생성하는 것이다.
본 발명에 있어서, 형상기반 보간은 시작 슬라이스와 끝 슬라이스에서 입력받은 윤곽선을 기준으로 각 화소들의 거리를 체커보드(checker board)를 이용해 계산한 후 [수학식 1]을 이용하여 윤곽선과 윤곽선 내외부를 구별하여 거리맵으로 표현한다.
Figure 112013021821608-pat00001
이 때, z는 a와 b로 각각 윤곽선을 입력받은 시작 슬라이스와 끝 슬라이스, C는 입력받은 윤곽선, O는 윤곽선 내부이며, D(x, y, z)는 화소(x, y, z)에서의 거리 값으로 윤곽선은 0, 윤곽선 내부는 양수, 윤곽선 외부는 음수이고 윤곽선에 가까울수록 낮은 절대값을 갖는다.
또한, 시작 슬라이스와 끝 슬라이스의 윤곽선을 거리맵으로 표현한 후 다음 [수학식 2]에 적용하여 중간 슬라이스의 보간 값을 계산한다.
Figure 112013021821608-pat00002
이 때,
Figure 112013021821608-pat00003
와
Figure 112013021821608-pat00004
는 시작 슬라이스와 끝 슬라이스,
Figure 112013021821608-pat00005
는 중간 슬라이스의 장수,
Figure 112013021821608-pat00006
는 z번째 중간 슬라이스의 화소(x, y)에서의 보간값이며, 계산된 보간값은 [수학식 3]을 통해 초기 윤곽선의 내부 및 외부 영역을 정의한다.
Figure 112013021821608-pat00007
이 때,
Figure 112013021821608-pat00008
이면 해당 화소가 윤곽선 내부에 있는 화소이므로
Figure 112013021821608-pat00009
에는 1값이 지정되고,
Figure 112013021821608-pat00010
이면 해당 화소가 윤곽선 외부 영역에 있는 화소이므로
Figure 112013021821608-pat00011
에는 0값이 지정된다.
[도 3]은 본 발명에 따른 상기 진단영상 입력부(10)를 이용하여, (a) 및 (c)와 같이, 복부 CT 영상에서 입력 슬라이스 간 형상 차이가 크게 발생하는 윤곽선을 입력 후, 상기 초기윤곽화부(20)를 이용하여, 형상기반 보간을 통해 생성된 중간 슬라이스의 초기 윤곽선 결과를 나타내는 도면으로, 입력받은 윤곽선의 형상 변화가 크게 발생하는 경우에도 [도 3]의 (b)에 도시된 바와 같이 입력 형상을 유지하면서 추출하고자 하는 실제 경계와 근사하게 보간 되었음을 확인할 수 있다.
상기 윤곽선적합부(30)는 상기 초기윤곽화부(20)와 연결되어, 상기 초기 윤곽선의 객체 주변에 유사한 밝기값이 존재하는 영역에 관하여, 사전 형상 정보를 반영하여, 윤곽선의 내부 영역을 적합하는 역할을 하며, 본 발명에 따른 상기 윤곽선적합부(30)는 [도 4]에 도시된 바와 같이, 협대역설정부(31) 및 윤곽선영역 적합부(32)를 포함한다.
본 발명에 따른 상기 윤곽선적합부(30)는 사전 형상 정보를 반영한 Chan-Vese 모델을 이용하여, 윤곽선의 내부 영역을 적합하는 것을 특징으로 하는데, Chan-Vese 모델 기법은 영상에서 하나의 객체 영역은 일정한 밝기 신호를 가진다는 점을 이용하여 객체 영역을 추출하는 방법이다. 윤곽선 내부와 외부의 밝기값 신호 분포의 유사성을 에너지화한 [수학식 4]를 최소화하여 영역을 추출한다.
Figure 112013021821608-pat00012
이 때, in과 out은 윤곽선 내외부 영역,
Figure 112013021821608-pat00013
는 화소(x, y)상의 밝기값, c1, c2는 각각 윤곽선 내외부 영역의 평균 밝기값을 나타낸다. 윤곽선 C가 객체 영역의 경계로 위치하게 되면 각각 내부와 외부의 소속된 화소(x, y)의 밝기값과 영역평균의 차이가 작아져 ECV는 0에 가까운 값을 가지게 된다.
[도 5]는 윤곽선의 위치에 따른 식 4의 에너지 변화를 나타내는 도면으로, (a)와 같이, 윤곽선C가 물체 외부에 존재할 경우 윤곽선 내부화소와 내부의 평균간의 차이인
Figure 112013021821608-pat00014
는 0보다 큰 값을 갖고, (b)와 같이 윤곽선이 물체 내부에 존재할 경우 윤곽선 외부화소와 외부의 평균간의 차이인 Eout는 0보다 큰 값을 갖는다.
또한, (c)와 같이 윤곽선이 물체 내외부에 위치하는 경우 Ein, Eout 모두 0보다 큰 값을 가지게 되며, (d)와 같이 윤곽선이 물체와 배경의 경계에 존재할 경우 에너지는 0에 가까운 값을 가지게 되는 것이다.
더불어, 본 발명에 있어서, [수학식 4]를 반복에 따른 수식으로 변경하기 위해 제로 레벨셋 공식(zero level set formulation)과 헤비사이드 함수(heaviside function)를 이용한다. 제로 레벨셋 공식에 따라 영상을 두 개 이상의 영역으로 나누는 윤곽선 C는
Figure 112013021821608-pat00015
, 윤곽선 내부 영역은
Figure 112013021821608-pat00016
, 윤곽선 외부 영역은
Figure 112013021821608-pat00017
나타내어 [수학식 5]와 같이 화소별로 계산 가능한 수식으로 변경한다.
Figure 112013021821608-pat00018
이 때,
Figure 112013021821608-pat00019
는 영상 전체,
Figure 112013021821608-pat00020
는 [수학식 6]의 헤비사이드 함수(heaviside function)이다.
Figure 112013021821608-pat00021
이 때, 화소
Figure 112013021821608-pat00022
에서의 레벨값이
Figure 112013021821608-pat00023
을 갖는 경우 헤비사이드 함수
Figure 112013021821608-pat00024
는 1이 되고, 그렇지 않으면
Figure 112013021821608-pat00025
는 0이 된다.
본 발명에 따른 상기 협대역설정부(31)는 Chan-Vese 모델에서 유사한 밝기값을 가질 경우 누출되는 한계점을 극복하기 위해 상기 초기 윤곽선을 중심으로 협대역을 설정하는 역할을 하며, 이러한 협대역 설정으로, 유사한 밝기값을 갖는 주변 지역으로의 누출을 최소화할 수 있는 것이다.
본 발명의 실시예에서 상기 협대역은 [도 6]에 도시된 바와 같이, 입력받은 슬라이스 간 윤곽선 내부 영역의 차이에 따라 크기를 정하고, 입력받은 시작 슬라이스와 끝 슬라이스의 영역의 차이가 30% 보다 클 경우 비교적 형상 차이가 큼으로 윤곽선의 변화를 반영할 수 있도록 내외부 30-화소 크기로 협대역을 설정하였다.
그러나 영역의 차이가 30%보다 작을 경우 비교적 형상차이가 작음으로 15-화소 크기로 협대역을 설정한다. 협대역은 생성된 초기 윤곽선을 중심으로 내부, 외부에 설정한다. 이 때, 비율과 화소의 범위는 실험적으로 산정하였다.
본 발명에 따른 상기 윤곽선영역 적합부(32)는 상기 초기 윤곽선에 사용자가 입력한 윤곽선을 기반으로 한 사전형상정보로 윤곽선 내부 영역을 적합하는 역할을 한다.
즉, 협대역 내부에 남아있는 누출 영역을 제거하고 사용자가 입력한 윤곽선과 유사하게 분할하기 위해 사전 형상 정보와의 결합이 필요한데 본 발명에 따른 상기 윤곽선영역 적합부(32)는 Chan-Vese 모델에 형상 정보를 반영함으로써 사용자가 입력한 윤곽선 정보와 유사하게 영역을 적합하는 것이다.
본 발명에 있어서, 슬라이스별 형상 정보는 상기 초기윤곽화부(20)의 형상기반 보간 결과를 통해 얻는데 사전 형상 정보를 제로 레벨셋 공식을 이용하여 내부 영역은 양수, 외부 영역은 음수, 기준점과 멀어질수록 큰 절대값을 갖는 레벨값이 [수학식 7]과 같이 표현된다.
Figure 112013021821608-pat00026
이 때, ECV는 기존 Chan-Vese 모델의 레벨 값, Eshape는 사전 형상 정보의 레벨 값을 나타낸다.
[도 7]은 본 발명에 따른 형상 정보의 레벨값을 설정하는 개념을 나타내는 도면으로 사전 형상 정보의 레벨값과 Chan-Vese 모델의 레벨값과의 차이에 의해 [수학식 8]이 결정된다.
Figure 112013021821608-pat00027
이 때,
Figure 112013021821608-pat00028
은 화소
Figure 112013021821608-pat00029
에서의 ECV의 레벨값,
Figure 112013021821608-pat00030
는 화소
Figure 112013021821608-pat00031
에서의 Eshape의 레벨값이고, T는 영상에서 가장 높은 빈도수를 갖는 d이며, d가 T보다 작으면 두 레벨값은 유사한 경우에 속하므로
Figure 112013021821608-pat00032
의 범위를 같는 α 만큼의 레벨값을 결합하고, d가 T보다 크면 Eshape의 레벨값
Figure 112013021821608-pat00033
와 T의 차이를 형상 정보로 이용한다.
본 발명의 실시예에서는 α=0.5, β=1로 설정하고, ω은 가중치로 0.5로 설정하였으며, 내부와 외부의 밝기값 신호 분포의 유사성을 계산하고 형상 정보를 추가하여 수렴할 때까지 반복하였다.
[도 8]의 (a)는 전문가가 윤곽화한 결과이고, (b)는 협대역 내에서 기존 Chan-Vese 모델을 이용해 적합한 결과이고, (c)는 형상 정보를 결합하여 적합한 결과로, 이를 통해 형상 정보를 반영한 적합 결과가 기존 Chan-Vese 모델만 이용하여 적합한 결과보다 입력받은 수동 윤곽화 결과인 (a)와 더 유사하게 분할된 것을 확인할 수 있는 것이다.
상기 윤곽선추출부(40)는 상기 윤곽선적합부(30)와 연결되어, 적합된 영역에 경계 추적을 이용하여, 중간 슬라이스의 최종 윤곽선을 추출하는 역할하며, 본 발명에 따른 상기 윤곽선추출부(40)는 [도 9]에 도시된 바와 같이, 형태학적 연산부(41) 및 경계추적부(42)를 포함한다.
상기 형태학적 연산부(41)는 형태학적 닫힘 연산으로 적합된 영역의 돌출부위를 제거하는 역할을 한다.
즉, 본 발명에 있어서 상기 윤곽선적합부(30)의 적합된 영역에 홀이 존재하는 상태에서 경계 추적 기법을 적용하게 되면 작은 홀이 확장되고, 돌출 부위가 존재할 수 있기 때문에 홀메움 기법의 추가 보정이 필요한 것이다.
따라서 본 발명의 실시예에서는 [도 10]에 도시된 바와 같이, 3×3 크기의 마스크를 갖는 형태학적 닫힘 연산을 이용하여 윤곽선 적합 영역의 홀메움을 수행하였다.
상기 경계추적부(42)는 상기 형태학적 연산부(41)와 연결되어, 경계 추적 기법으로 적합된 영역에서 최종 윤곽선을 추출하는 역할을 하며, 본 발명에 따른 상기 경계추적부(42)는 경계 추적 기법(chain code)을 적용하며, 경계 추적은 객체의 윤곽선을 잇는 점에서 출발하여 [도 11]에 도시된 바와 같이 8방향 연결성을 이용하여 처음 출발좌표를 포함하는 인접경계점간의 방향정보를 이용하여 추적한다.
[도 12]는 본 발명에 따른 윤곽선추출부(42)를 이용하여, 복부 CT 영상에서 윤곽선 추출을 적용한 결과를 상기 최종영상 출력부(50)를 통해 출력한 결과로, 본 발명에 따른 윤곽선 추출을 적용함으로써 돌출 영역이 줄어들고 최종 윤곽선을 추출함을 확인할 수 있다.
이상에서 설명한 진단영상의 객체 자동 윤곽화 시스템을 이용한 객체 윤곽화 방법을 설명하면 다음과 같다.
[도 13]은 본 발명에 따른 진단영상의 객체 자동 윤곽화 방법의 전체 흐름을 나타내는 도면으로, 먼저 상기 진단영상 입력부(10)를 이용하여, 객체가 촬영된 진단영상의 슬라이스를 입력하는 단계를 수행한다(S10)
본 발명에 있어서, 상기 S10 단계는 진단영상의 시작 슬라이스와 끝 슬라이스의 윤곽선을 입력하는 단계를 포함하는 것이 바람직하며, 이를 통해 초기 윤곽선 생성을 용이하게 할 수 있다.
다음으로, 상기 초기윤곽화부(20)를 이용하여, 형상기반 보간에 따른 중간 슬라이스의 초기 윤곽선을 생성하는 단계를 수행한다.(S20)
본 발명에 있어서, 상기 S20 단계는 시작 슬라이스와 끝 슬라이스에서 입력받은 윤곽선을 기준으로 체커보드(checker board)를 이용해 각 화소들의 거리를 윤곽선과 윤곽선 내외부를 구별하여 거리맵의 보간값으로 중간 슬라이스의 초기 윤곽선을 생성하는 단계이다.
다음으로, 상기 윤곽선적합부(30)의 상기 협대역설정부(31)를 이용하여, 상기 초기 윤곽선을 중심으로 협대역을 설정하는 단계를 수행한다.(S30)
상기 S30단계를 통해, 유사한 밝기값을 갖는 초기 윤곽선 주변 지역으로의 누출을 최소화할 수 있으며, 입력받은 슬라이스 간 윤곽선 내부 영역의 차이에 따라 크기를 정하는 것이 바람직하다.
다음으로, 상기 윤곽선적합부(30)의 상기 윤곽선영역 적합부(32)를 이용하여, 상기 초기 윤곽선의 내부영역을 사용자가 입력한 윤곽선의 형태와 유사하게 적합하는 단계를 수행한다.(S40)
본 발명에 따른 상기 S40 단계는 협대역 내부에 남아있는 누출 영역을 제거하고 사용자가 입력한 윤곽선과 유사하게 분할하기 위해 사전 형상 정보와의 결합하는 단계이며, Chan-Vese 모델에 사전 형상 정보를 반영함으로써 사용자가 입력한 윤곽선 정보와 유사하게 영역을 적합할 수 있게 된다.
다음으로, 상기 윤곽선추출부(40)의 상기 형태학적 연산부(41)의 형태학적 닫힘 연산을 이용하여, 홀을 메우는 단계(S50)를 수행하고, 본 발명에 따른 상기 S50 단계의 형태학적 닫힘 연산으로 적합된 영역의 돌출부위를 제거할 수 있다.
다음으로, 상기 윤곽선추출부(40)의 상기 경계추출부(42)를 이용하여, 경계 추적 기법으로 중간 슬라이스의 최종 윤곽선을 추출하는 단계(S60)를 수행한다.
본 발명에 따른 상기 S60 단계는 객체의 윤곽선을 잇는 점에서 출발하여 8방향 연결성을 이용하여 처음 출발좌표를 포함하는 인접경계점간의 방향정보를 이용하여 추적하는 경계추적 기법을 적용하는 것이 바람직하다.
다음으로, 최종영상 출력부(50)를 이용하여, 상기 S60 단계에서 추출된 최종 윤곽선이 반영된 진단영상을 출력하는 단계를 수행한다.(S70)
이상에서 설명한 본 발명에 따른 진단영상의 객체 자동 윤곽화 방법의 정확성을 확인하기 위한 실험을 다음과 같이 실시하였다.
본 발명에 따른 실험은 Siemens CT로 촬영한 5명의 복부 CT 영상과 Siemens, Philips CT로 시간 변화에 따라 촬영한 5명의 동적 심장 CT 영상을 심장의 단축으로 자른 데이터에 적용하였으며, 복부 CT 영상의 해상도는 512×512, 화소크기는 0.68×0.68 mm2, 슬라이스 간격은 2.0mm, 136~229장의 슬라이스를 가진다. 또한, 동적 심장 CT 영상의 해상도는 평균 724×867, 화소크기는 0.32×0.32mm2~0.37×0.37mm2, 슬라이스 간격은 0.6mm 또는 0.7mm인 좌심실을 포함하는 70~100장 슬라이스를 가진다.
본 발명에 따른 실험데이터의 복부 CT 영상에서 주변에 유사한 밝기값을 갖는 지역이 존재하며 형상 변화가 큰 간을 윤곽화하고, 동적 심장 CT 영상에서 사용자 입력과 실제 객체의 경계차이가 크게 발생하는 좌심실 내벽을 윤곽화하였다.
[도 14]는 복부 CT 영상에서 제안방법을 적용하여 형상 차이가 다양한 간 윤곽선을 추출한 결과로 시작과 끝 슬라이스는 입력받은 3장의 슬라이스(#51, #62, #73)를 사용하였고, 총 20장의 슬라이스에서 간의 윤곽선을 자동으로 추출하였다. 각 행은 원 영상, 기존 Chan-Vese를 이용해 추출한 간의 윤곽화 결과, 제안된 방법을 이용해 추출한 간의 윤곽화 결과를 나타낸다. 이 때, 기존 Chan-Vese 모델을 사용한 윤곽선 추출의 경우, 윤곽선 적합을 제외하고 제안방법과 동일한 방법을 적용하였다.
(b)는 적합 시, 종래 Chan-Vese 모델을 이용하여 객체를 윤곽화 한 것으로, 초기 윤곽선을 기준으로 정의된 협대역을 적용하여, 주변 영역으로의 누출을 제한하였으나 협대역 내부에는 누출 영역이 남아 있다.
반면, (c)에 도시된 바와 같이, 본 발명에 따른 Chan-Vese를 이용하여 객체를 윤곽화한 경우, 협대역 내부 누출을 제한하고 견고하게 간의 윤곽선을 자동으로 추출됨을 확인할 수 있다.
또한, [도 15]는 동적 심장 CT 영상에서 제안방법을 적용하여 사용자가 입력한 형상과 실제 경계 차이가 크게 발생하는 좌심실 내벽의 윤곽선을 추출한 결과로 시작과 끝 슬라이스는 입력받은 2장의 슬라이스(#11, #12)를 사용하였고, 총 10장의 슬라이스에서 좌심실 내벽의 윤곽선을 추출하였다. 각 행은 원 영상, 기존 Chan-Vese 모델을 이용해 추출한 좌심실 내벽의 윤곽화 결과, 제안된 방법을 이용해 추출한 좌심실 내벽의 윤곽화 결과를 나타낸다. 이 때, 기존 Chan-Vese 모델을 사용한 윤곽선 추출의 경우, 윤곽선 적합을 제외하고 본 발명에 따른 객체 자동 윤곽화 방법과 동일한 방법을 적용하였다.
[도 15]의 (b)에 도시된 바와 같이, 종래 Chan-Vese 모델을 이용하여 초기 윤곽선의 협대역을 적용한 경우, 주변 영역으로의 누출을 제한하였으나 좌심실 내벽의 곡률대로 윤곽선을 추출하였기 때문에 사용자가 입력한 윤곽선과 곡률이 상이한 윤곽선 결과를 나타내었다. 반면, (c)에 도시된 바와 같이, 본 발명에 따른 객체 자동 윤곽화 방법을 적용한 경우, 실제 내벽 경계의 곡률이 크게 발생함에도 불구하고, 사용자가 입력한 윤곽선과 유사하게 자동으로 윤곽선을 추출됨을 확인할 수 있었다.
[도 16]은 본 발명에 따른 진단영상의 객체 자동 윤곽화 방법의 수행 시간을 측정한 결과를 나타내는 결과 그래프로 본 발명에 따른 실험은 인텔 코어 i7 2.67GHz CPU와 4GB 메모리를 장착한 64비트 운영체제 기반의 PC에서 수행하였다.
측정 결과, 진단영상에서 10장의 슬라이스에서 객체의 윤곽선을 자동으로 추출하는 수행시간은 평균 2.2초 이고, 한 장의 슬라이스를 윤곽화 하는데 평균 0.22초의 수행시간이 소요되어, 신속한 객체 윤곽화가 가능함을 확인할 수 있다.
이상에서 설명한 바와 같이, 본 발명에 따른 진단영상의 객체 자동 윤곽화 시스템 및 그 윤곽화 방법을 적용 시, 진단영상에서 추출하고자 하는 객체의 주변에 유사한 밝기값을 갖는 영역이 존재하더라도 사용자가 입력한 윤곽선 정보와 유사하게 객체를 윤곽화할 수 있는 효과를 누릴 수 있으며, 이러한 객체의 윤곽으로 정확한 질병의 진단, 치료, 치료 후 예후 관찰이 가능하도록 하는 효과를 누릴 수 있다.
이상 본 발명의 실시예로 설명하였으나 본 발명의 기술적 사상이 상기 실시예로 한정되는 것은 아니며, 본 발명의 기술적 사상을 벗어나지 않는 범주에서 다양한 진단영상의 객체 자동 윤곽화 시스템 및 그 윤곽화 방법으로 구현할 수 있다.
10 : 진단영상 입력부
20 : 초기윤곽화부
30 : 윤곽선접합부
31 : 협대역설정부
32 : 윤곽선영역 적합부
40 : 윤곽선추출부
41 : 형태학적 연산부
42 : 경계추적부
50 : 최종영상 출력부
100 : 진단영상의 객체 자동 윤곽화 시스템

Claims (12)

  1. 의료용 진단영상에서 객체를 자동 윤곽화하는 시스템에 있어서,
    객체 주변에 유사한 밝기값이 존재하는 영역에 관하여, 사전 형상 정보를 반영하여, 윤곽선의 내부 영역을 적합하는 윤곽선적합부를 포함하며,
    상기 윤곽선적합부는
    상기 사전 형상 정보를 반영한 Chan-Vese 모델을 이용하여, 윤곽선의 내부 영역을 적합하는 것을 특징으로 하는 진단영상의 객체 자동 윤곽화 시스템.
  2. 제1항에 있어서,
    진단영상 입력부로부터 입력받은 진단 영상의 시작 슬라이스와 끝 슬라이스의 윤곽선을 이용하여, 중간 슬라이스의 초기 윤곽선을 생성하여, 상기 윤곽선적합부에 제공하는 초기윤곽화부를 더 포함하는 것을 특징으로 하는 진단영상의 객체 자동 윤곽화 시스템.
  3. 제2항에 있어서,
    상기 초기윤곽화부는,
    시작 슬라이스와 끝 슬라이스에서 입력받은 윤곽선을 기준으로 체커보드(checker board)를 이용해 각 화소들의 거리를 윤곽선과 윤곽선 내외부를 구별하여 거리맵의 보간값으로 중간 슬라이스의 초기 윤곽선을 생성하는 것을 특징으로 하는 진단영상의 객체 자동 윤곽화 시스템.
  4. 제2항에 있어서,
    상기 윤곽선적합부는,
    상기 초기 윤곽선을 중심으로 협대역을 설정하는 협대역설정부 및
    상기 초기 윤곽선에 사용자가 입력한 윤곽선을 기반으로 한 사전형상정보로 윤곽선 내부 영역을 적합하는 윤곽선영역 적합부를 포함하는 것을 특징으로 하는 진단영상의 객체 자동 윤곽화 시스템.
  5. 제4항에 있어서,
    상기 윤곽선영역 적합부와 연결되어,
    적합된 영역에 경계 추적을 이용하여, 중간 슬라이스의 최종 윤곽선을 추출하는 윤곽선추출부를 더 포함하는 것을 특징으로 하는 진단영상의 객체 자동 윤곽화 시스템.
  6. 제5항에 있어서,
    상기 윤곽선추출부는,
    형태학적 닫힘 연산으로 적합된 영역의 돌출부위를 제거하는 형태학적 연산부 및
    경계 추적 기법으로 적합된 영역에서 최종 윤곽선을 추출하는 경계추적부를 포함하는 것을 특징으로 하는 진단영상의 객체 자동 윤곽화 시스템.
  7. 제6항에 있어서,
    상기 경계추적부는,
    객체의 윤곽선의 일지점에서 출발하여, 중심점으로부터 8방향의 연결성을 이용하여, 인접경계점을 추적하는 것을 특징으로 하는 진단영상의 객체 자동 윤곽화 시스템.
  8. (a) 진단영상 입력부를 이용하여, 진단영상을 입력하고, 시작 슬라이스와 끝 슬라이스의 윤곽선을 입력하는 단계;
    (b) 초기윤곽화부를 이용하여, 형상기반 보간에 따른 중간 슬라이스의 초기 윤곽선을 생성하는 단계;
    (c) 윤곽선적합부를 이용하여, 상기 초기 윤곽선의 내부영역을 사용자가 입력한 윤곽선의 형태와 유사하게 적합하는 단계 및
    (d) 윤곽선추출부를 이용하여, 경계 추적 기법으로 중간 슬라이스의 최종 윤곽선을 추출하는 단계를 포함하는 것을 특징으로 하는 진단영상의 객체 자동 윤곽화 방법.
  9. 제8항에 있어서,
    상기 (b) 단계는,
    시작 슬라이스와 끝 슬라이스에서 입력받은 윤곽선을 기준으로 체커보드(checker board)를 이용해 각 화소들의 거리를 윤곽선과 윤곽선 내외부를 구별하여 거리맵의 보간값으로 중간 슬라이스의 초기 윤곽선을 생성하는 단계인 것을 특징으로 하는 진단영상의 객체 자동 윤곽화 방법.
  10. 제8항에 있어서,
    상기 (c) 단계 이전에,
    (e) 협대역설정부를 이용하여, 상기 초기 윤곽선을 중심으로 협대역을 설정하는 단계를 더 포함하는 것을 특징으로 하는 진단영상의 객체 자동 윤곽화 방법.
  11. 제8항에 있어서,
    상기 (d) 단계 이전에,
    (f) 형태학적 연산부의 형태학적 닫힘 연산을 이용하여 홀을 메우는 단계를 더 포함하는 것을 특징으로 하는 진단영상의 객체 자동 윤곽화 방법.
  12. 제8항에 있어서,
    상기 (c) 단계는,
    Chan-Vese 모델에 사전 형상 정보를 반영하며, 슬라이스별 형상 정보는 내부영역, 외부 영역이 기준점으로부터 멀어질수로 큰 절대값이 되는 레벨값으로 표현되며, 상기 레벨값은 다음 [수학식 7]로 표현되는 것을 특징으로 하는 진단영상의 객체 자동 윤곽화 방법.
    [수학식 7]
    Figure 112013021821608-pat00034

    이 때, ECV는 기존 Chan-Vese 모델의 레벨 값이며, Eshape는 사전 형상 정보의 레벨 값임.
KR1020130026762A 2013-03-13 2013-03-13 진단영상의 객체 자동 윤곽화 시스템 및 그 윤곽화 방법 KR101404345B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130026762A KR101404345B1 (ko) 2013-03-13 2013-03-13 진단영상의 객체 자동 윤곽화 시스템 및 그 윤곽화 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130026762A KR101404345B1 (ko) 2013-03-13 2013-03-13 진단영상의 객체 자동 윤곽화 시스템 및 그 윤곽화 방법

Publications (1)

Publication Number Publication Date
KR101404345B1 true KR101404345B1 (ko) 2014-06-09

Family

ID=51132020

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130026762A KR101404345B1 (ko) 2013-03-13 2013-03-13 진단영상의 객체 자동 윤곽화 시스템 및 그 윤곽화 방법

Country Status (1)

Country Link
KR (1) KR101404345B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101811826B1 (ko) 2015-08-11 2017-12-22 삼성전자주식회사 워크 스테이션, 이를 포함하는 의료영상 촬영장치 및 그 제어방법
KR20200046177A (ko) * 2018-10-18 2020-05-07 네오컨버전스 주식회사 인공지능 학습을 위한 객체 지정 방법 및 장치
KR20220089560A (ko) 2020-12-21 2022-06-28 주식회사 인피니트헬스케어 딥 러닝 알고리듬과 해부학적 특성에 기반한 의료 영상 셋의 컨투어링 시스템 및 방법
KR20220089849A (ko) 2020-12-22 2022-06-29 주식회사 인피니트헬스케어 다수 관심 영역의 레이블링 및 컨투어링의 검증을 지원하는 시스템 및 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002224116A (ja) 2001-01-31 2002-08-13 Matsushita Electric Ind Co Ltd 超音波診断装置及び画像処理装置
KR20120000730A (ko) * 2010-06-28 2012-01-04 경희대학교 산학협력단 로컬 바이너리 피팅법을 이용한 관절 간격 측정방법
KR20120043173A (ko) * 2010-10-26 2012-05-04 정제교 이종영상정합 또는 좌표동기화를 위한 참조점 추출방법
KR20120071292A (ko) * 2010-12-22 2012-07-02 삼성전자주식회사 영상 처리 방법 및 그에 따른 영상 처리 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002224116A (ja) 2001-01-31 2002-08-13 Matsushita Electric Ind Co Ltd 超音波診断装置及び画像処理装置
KR20120000730A (ko) * 2010-06-28 2012-01-04 경희대학교 산학협력단 로컬 바이너리 피팅법을 이용한 관절 간격 측정방법
KR20120043173A (ko) * 2010-10-26 2012-05-04 정제교 이종영상정합 또는 좌표동기화를 위한 참조점 추출방법
KR20120071292A (ko) * 2010-12-22 2012-07-02 삼성전자주식회사 영상 처리 방법 및 그에 따른 영상 처리 장치

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101811826B1 (ko) 2015-08-11 2017-12-22 삼성전자주식회사 워크 스테이션, 이를 포함하는 의료영상 촬영장치 및 그 제어방법
US10032272B2 (en) 2015-08-11 2018-07-24 Samsung Electronics Co., Ltd. Workstation, medical imaging apparatus including the same, and control method for the same
KR20200046177A (ko) * 2018-10-18 2020-05-07 네오컨버전스 주식회사 인공지능 학습을 위한 객체 지정 방법 및 장치
KR102143427B1 (ko) * 2018-10-18 2020-08-11 네오컨버전스 주식회사 인공지능 학습을 위한 객체 지정 방법 및 장치
KR20220089560A (ko) 2020-12-21 2022-06-28 주식회사 인피니트헬스케어 딥 러닝 알고리듬과 해부학적 특성에 기반한 의료 영상 셋의 컨투어링 시스템 및 방법
US11836926B2 (en) 2020-12-21 2023-12-05 Infinitt Healthcare Co., Ltd. System and method for contouring a set of medical images based on deep learning algorithm and anatomical properties
KR20220089849A (ko) 2020-12-22 2022-06-29 주식회사 인피니트헬스케어 다수 관심 영역의 레이블링 및 컨투어링의 검증을 지원하는 시스템 및 방법
US11837355B2 (en) 2020-12-22 2023-12-05 Infinitt Healthcare Co., Ltd. System and method for assisting verification of labeling and contouring of multiple regions of interest

Similar Documents

Publication Publication Date Title
US11455732B2 (en) Knowledge-based automatic image segmentation
Feng et al. Segmenting CT prostate images using population and patient‐specific statistics for radiotherapy
CN107909622B (zh) 模型生成方法、医学成像的扫描规划方法及医学成像系统
JP6379394B2 (ja) 軟骨修復用手術キットを製造するための方法およびノード
US10991102B2 (en) Image processing apparatus and image processing method
CN109712163B (zh) 冠脉提取方法、装置、图像处理工作站和可读存储介质
Zeng et al. Prostate segmentation in transrectal ultrasound using magnetic resonance imaging priors
KR20210020618A (ko) 의료 영상에서 딥러닝에 기반한 복부 장기 자동분할 방법
US9727975B2 (en) Knowledge-based automatic image segmentation
KR101404345B1 (ko) 진단영상의 객체 자동 윤곽화 시스템 및 그 윤곽화 방법
US9489736B2 (en) Visualization of image transformation
WO2012069965A1 (en) Interactive deformation map corrections
Jimenez-Carretero et al. Optimal multiresolution 3D level-set method for liver segmentation incorporating local curvature constraints
Xie et al. Feature‐based rectal contour propagation from planning CT to cone beam CT
US20140161329A1 (en) Method and system for binary and quasi-binary atlas-based auto-contouring of volume sets in medical images
Luximon et al. Machine‐assisted interpolation algorithm for semi‐automated segmentation of highly deformable organs
CN116168097A (zh) 构建cbct勾画模型和勾画cbct图像的方法、装置、设备及介质
Zheng et al. Precise segmentation of the left atrium in C-arm CT volumes with applications to atrial fibrillation ablation
KR102606914B1 (ko) 다수 관심 영역의 레이블링 및 컨투어링의 검증을 지원하는 시스템 및 방법
Thieu et al. Segmentation by a local and global fuzzy Gaussian distribution energy minimization of an active contour model
Liu et al. Novel wavelet-based segmentation of prostate CBCT images with implanted calypso transponders
CN116012526A (zh) 一种基于二维影像的三维ct影像病灶重建方法
Elamir et al. Comparison Between Removing Noise Algorithms Method and Algorithms Bank Method in Measuring Liver Volume Using MRI Modality
CN116188564A (zh) 血管中心线提取方法及装置、血管拉直方法及装置
CN115409837A (zh) 一种基于多模态ct图像的子宫内膜癌ctv自动勾画方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180425

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190423

Year of fee payment: 6